지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 강정호
- 발행연도
- 2021
- 저작권
- 동아대학교 논문은 저작권에 의해 보호받습니다.
이용수9
이 논문의 연구 히스토리 (3)
2021
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
크레인이란 건설 산업 전반에서 상용되는 건설 기계이며, 화물을 들어 올리고 내리는 권상, 권하 운동, 수평으로 이동하기 위한 주행, 횡행, 선회, 인입등의 운동들이 조합되어 건설 현장의 화물을 인양 및 운반 목적으로 하는 설비를 말한다. 현재 크레인은 설계 기준에 따라 과부하방지장치, 권과방지장치, 브레이크 장치 등의 방호장치를 부착하여야 한다. 그중에서도 과부하방지장치는 화물을 인양하는 와이어로프에 직접 로드셀을 부착하여 전복을 방지하는 방법을 사용하고 있다. 그러나, 이러한 방식은 Hoisting load를 직접 측정하는 방식이기 때문에 이외의 다양한 변수들로 인한 전복사고가 꾸준히 증가하는 추세이다.
따라서 본 연구는 크롤러 크레인의 기존 직접 측정 방식을 보완하여 전복사고를 미연에 감지하는 데에 그 목적이 있다. 먼저, 구조해석을 이용하여 크롤러 크레인의 크롤러 크레인 하부의 크롤러 트랙과 직접 닿게 되는 롤러 22개에 분포되는 하중을 도출하였으며, 실차 실험을 통해 해석의 경향성을 확인, 각 Luffing angle에서 Rotation angle, Hoisting load 등의 전복에 영향을 미치는 요소들에 대해 변화하는 하중 분포를 예측하기 위해 Rotation angle, Hoisting load, 롤러 하중 사이의 관계식을 생성하였고, Machine learning을 이용하여 다양한 변수들에 대해서도 전복위험률을 실시간으로 예측하고자 하였다.
따라서 본 연구는 크롤러 크레인의 기존 직접 측정 방식을 보완하여 전복사고를 미연에 감지하는 데에 그 목적이 있다. 먼저, 구조해석을 이용하여 크롤러 크레인의 크롤러 크레인 하부의 크롤러 트랙과 직접 닿게 되는 롤러 22개에 분포되는 하중을 도출하였으며, 실차 실험을 통해 해석의 경향성을 확인, 각 Luffing angle에서 Rotation angle, Hoisting load 등의 전복에 영향을 미치는 요소들에 대해 변화하는 하중 분포를 예측하기 위해 Rotation angle, Hoisting load, 롤러 하중 사이의 관계식을 생성하였고, Machine learning을 이용하여 다양한 변수들에 대해서도 전복위험률을 실시간으로 예측하고자 하였다.
목차
I. 서론 11. 연구 배경 12. 선행 연구 2Ⅱ. 크롤러 크레인의 이론적 분석 41. 크롤러 크레인의 개요 42. 전복위험요소와 전복모멘트의 이론적 분석 5Ⅲ. 구조해석을 이용한 크롤러 크레인 롤러 하중 도출 81. 구조해석 모델 82. 전복위험요소별 모델 143. 구조해석 Case 164. 크롤러 크레인 롤러 하중 도출 174.1 접촉조건과 경계조건 174.2 Mesh 생성 194.3 롤러 하중 도출 방법 215. 구조해석을 통한 롤러 하중 결과 검토 24Ⅳ. 실차실험을 이용한 크롤러 크레인 롤러 하중 도출 331. 실차실험 조건 332. 실차 실험 Case 353. 실차실험을 통한 롤러 하중 결과 검토 364. 구조해석과 실차실험 결과 비교 검토 43Ⅴ. 회귀분석을 이용한 관계식 정립 491. 반응표면법 적용 단계적 회귀분석 492. 구조해석 관계식 도출 533. 실차 실험 관계식 도출 554. 구조해석과 실차실험 회귀분석 비교 검토 57Ⅵ. Machine Learning을 이용한 전복 위험율 도출 611. Machine Learning 개요 612. Data setting 613. Machine Learning 알고리즘 평가 633.1 Logistic regression 633.2 SVM 643.3 ANN 663.4 MLP 694. Machine Learning을 이용한 전복위험률 도출 결과 70Ⅵ. 결론 79참고문헌 81Abstract 84
최근 본 자료
댓글(0)
0